數(shù)字療法（DTx）機理

數(shù)字療法（DTx）是一種基于軟件的治療干預，通過循證的醫(yī)學方案預防、管理或治療疾病。本文中的DTx是一款專為ADHD兒童設計的平板電腦游戲，其核心機理包括：

認知訓練任務：游戲包含三種任務類型——打蛋、數(shù)字和水果。這些任務要求兒童在時間壓力下快速辨別目標并作出點擊反應，同時抑制對非目標刺激的反應（Go/No-go范式）。這種設計旨在訓練持續(xù)注意力和反應抑制，即ADHD的核心缺陷。

自適應難度：游戲根據(jù)兒童的行為表現(xiàn)（準確率、反應時）動態(tài)調整關卡難度，確保訓練始終處于“適度挑戰(zhàn)”區(qū)間，從而維持參與度和學習效果。

游戲化激勵：通過場景變化（沙漠、城鎮(zhèn)等）、視覺和聽覺獎勵，提高兒童的內在動機和長期堅持性。

HUIYING

神經(jīng)反饋（Neurofeedback, NFb）機理

神經(jīng)反饋是一種腦機接口技術，通過實時監(jiān)測大腦活動并將特定腦電特征以視覺/聽覺形式反饋給用戶，幫助其學會自我調節(jié)腦功能。本文中的NFb機理如下：

實時腦電采集：兒童佩戴單通道額葉EEG設備（如圖1a），設備采集前額葉皮層（與注意力密切相關）的腦電信號。

特征提取：系統(tǒng)每秒計算兩個關鍵指標——注意力指數(shù)（基于個體化β波功率）和運動指數(shù)（基于EMG信號，用于檢測大動作）。

反饋機制：

視覺負反饋：當注意力指數(shù)低于基線80%時，屏幕背景顏色飽和度降低（如圖1c），提示兒童注意力下降。

正反饋：當注意力指數(shù)持續(xù)高于基線150%達3秒時，游戲角色播放視聽獎勵效果。

動作暫停：當運動指數(shù)超過基線300%持續(xù)3秒時，游戲暫停并提示減少身體移動。

圖1：神經(jīng)反饋數(shù)字療法系統(tǒng)示意圖

圖1通過四個子圖完整呈現(xiàn)了本研究所使用的神經(jīng)反饋數(shù)字療法系統(tǒng)：圖1a展示了輕便的單通道EEG頭戴設備，佩戴于兒童前額，用于實時采集腦電信號；圖1b呈現(xiàn)了平板電腦中的游戲界面，背景為沙漠或城鎮(zhèn)場景，兒童需完成打蛋、數(shù)字等認知任務；圖1c通過對比正常畫面與低飽和度（變灰）畫面，直觀說明了當注意力下降時游戲背景顏色發(fā)生變化的視覺負反饋機制；圖1d的流程圖系統(tǒng)展示了從靜息態(tài)基線采集、實時EEG信號處理（計算注意力指數(shù)和運動指數(shù)）、閾值判斷到游戲反饋（正/負反饋、暫停）的完整閉環(huán)調控過程。圖1共同構成了神經(jīng)自適應數(shù)字療法的硬件基礎、交互形式、反饋示例和系統(tǒng)邏輯，為理解整個干預機制提供了清晰的可視化框架。

HUIYING

基于NFb + DTx對ADHD的干預治療概述

本研究將NFb與DTx深度融合，形成一種神經(jīng)自適應數(shù)字療法，其干預流程如圖1d所示：

靜息態(tài)基線采集：兒童靜坐2分鐘，系統(tǒng)計算個體化α峰值頻率（iAPF）和基線注意力/運動指數(shù)。

游戲訓練階段：兒童進行三種任務游戲，同時EEG實時監(jiān)測注意力狀態(tài)。

實時閉環(huán)調控：

當注意力高時，游戲給予正強化（獎勵動畫），鼓勵維持專注。

當注意力低時，游戲環(huán)境變灰，引導兒童重新聚焦。

當動作過大時，游戲暫停，提醒減少身體活動。

這種閉環(huán)設計使得干預不再單純依賴行為表現(xiàn)，而是直接基于大腦狀態(tài)進行個性化調整，從而實現(xiàn)更精準、更及時的注意力訓練。

HUIYING

NFb中腦電特征值及其計算與量化

個體化α峰值頻率（iAPF）的計算

個體化α峰值頻率（iAPF）是定義個體β頻帶的基礎，通過靜息態(tài)2分鐘EEG數(shù)據(jù)計算得到。其計算公式如下：

其中：

f為頻率（7–14 Hz范圍）

S(f) 為對應頻率的功率譜密度

iAPF反映了個體α節(jié)律的中心頻率，是高度穩(wěn)定的神經(jīng)特征，用于后續(xù)個性化頻帶劃分。在2分鐘靜息態(tài)采集期間，兒童注視屏幕中央十字，系統(tǒng)同時計算該時段內注意力指數(shù)和運動指數(shù)的基線平均值，作為后續(xù)實時反饋的參照基準。

注意力指數(shù)（Attention Index）的計算

注意力指數(shù)基于個體化β波頻帶（iBeta） 的實時功率譜密度。iBeta頻帶定義為：

下限 = 1.3×iAPF1.3×iAPF

上限 = 3.0×iAPF3.0×iAPF

這一范圍覆蓋了與注意力密切相關的β波段，同時考慮了個體差異。實時計算采用2秒滑動窗口（步長1秒），對每個窗口計算iBeta頻帶內的功率譜密度，得到每秒鐘的注意力指數(shù)原始值（單位：μV2/Hz）。

注意力指數(shù)的量化（0–100）及其對游戲畫面的控制

論文中并未直接給出注意力指數(shù)到0–100的線性映射公式，而是采用與基線值的相對比例作為反饋控制的依據(jù)：

基線值：靜息態(tài)2分鐘內所有窗口注意力指數(shù)的平均值。

實時相對比例：

該比例Ratt是一個連續(xù)的實數(shù)，理論上可在0到無窮大之間，但實際訓練中通常落在0.5–2.0范圍內。系統(tǒng)利用Ratt直接驅動兩類反饋：

視覺負反饋（連續(xù)調節(jié)）：當Ratt<0.8時，屏幕背景顏色的飽和度被設置為Ratt乘以基準飽和度（即實時/基線比例）。例如，若Ratt=0.6，飽和度降為正常的60%，屏幕呈現(xiàn)灰暗效果（如圖1c所示）。這種連續(xù)調節(jié)讓兒童能直觀感知注意力的細微波動。

正反饋（離散事件）：當Ratt>1.5并持續(xù)3秒以上，游戲觸發(fā)視聽獎勵（如角色歡呼、金幣音效），強化專注狀態(tài)。

雖然未顯式定義0–100評分，但若需要將RattRatt映射到0–100，可預設一個合理范圍（例如將0.5倍基線對應0分，2.0倍基線對應100分），線性插值得到整數(shù)評分。但本研究僅使用閾值和連續(xù)比例進行實時調控，未進行額外的數(shù)值映射。

運動指數(shù)（Movement Index）的計算及其對游戲畫面的控制

運動指數(shù)用于檢測大幅身體動作，基于EMG信號功率計算：

其中：

分子為40–125 Hz頻段（去除48–52 Hz工頻干擾）的功率

分母為4–125 Hz頻段（去除工頻）的總功率

該比值反映了高頻肌電活動在總功率中的占比，數(shù)值越大表示身體運動越劇烈。同樣，從靜息態(tài)2分鐘數(shù)據(jù)中計算出運動指數(shù)的基線平均值。

實時控制邏輯：

計算實時運動指數(shù)相對比例：Rmove=實時運動指數(shù)/基線運動指數(shù)

當Rmove>3.0并持續(xù)3秒時，游戲畫面暫停，并彈出文字提示“請減少身體移動”，直至Rmove回落至閾值以下才恢復游戲。

運動指數(shù)主要用于離散的暫停控制，不涉及連續(xù)量化到0–100，也不調節(jié)游戲畫面屬性，僅在超標時觸發(fā)中斷。

總結：神經(jīng)反饋系統(tǒng)通過計算實時注意力指數(shù)與基線的比例Ratt，連續(xù)調節(jié)屏幕飽和度（如圖1c），并在高專注時給予正強化；同時利用運動指數(shù)比例Rmove監(jiān)測大幅動作，超標時暫停游戲。整個閉環(huán)流程如圖1d所示，實現(xiàn)了基于腦狀態(tài)的實時自適應訓練。

HUIYING

臨床研究

研究方法

參與者：共74名6–12歲ADHD兒童（IQ≥70，未服藥），隨機分為神經(jīng)反饋組（NFb，n=37）和無神經(jīng)反饋組（n-NFb，n=37）。兩組基線特征無顯著差異（見表1）。

干預方案：4周居家訓練，每天25分鐘，每周5天。NFb組游戲受EEG信號實時調控，n-NFb組僅記錄EEG但游戲無反饋。

評估工具：

客觀注意力：Test of Variables of Attention（TOVA），主要指標為注意力表現(xiàn)指數(shù)（API）。

家長報告：SNAP-IV量表（注意缺陷、多動/沖動維度）。

游戲內表現(xiàn)：各任務的準確率和反應時。

EEG分析：每日平均注意力指數(shù)隨訓練天數(shù)的變化趨勢。

研究結果

TOVA結果（圖2）

兩組干預后API均顯著提高（主效應 p<0.001p<0.001），但NFb組整體高于n-NFb組（組間效應 p=0.045p=0.045）。

基線校正后，NFb組后測API顯著優(yōu)于n-NFb組（p=0.010p=0.010，ηp2=0.091ηp2=0.091）。

NFb組78.3%的兒童API提高，n-NFb組為59.5%。

圖2：兩組干預前后行為與認知表現(xiàn)對比

圖2通過五個子圖全面展示了神經(jīng)反饋組（NFb）與無神經(jīng)反饋組（n-NFb）在干預前后的表現(xiàn)差異：圖2a顯示兩組在TOVA注意力表現(xiàn)指數(shù)（API）上均有提升，但NFb組改善幅度更顯著；圖2b展示NFb組78.3%的兒童API評分提高，高于n-NFb組的59.5%；圖2c和圖2d分別呈現(xiàn)目標試次（需反應）的準確率和反應時變化，NFb組在“打蛋任務”中準確率顯著高于對照組，兩組反應時均顯著縮短；圖2e展示非目標試次（需抑制）的準確率變化，NFb組在“打蛋”和“水果”任務中的抑制準確率顯著更高。誤差棒表示標準誤，統(tǒng)計顯著性標記（*p < 0.05, **p < 0.01, ***p < 0.001）表明神經(jīng)反饋組在多個指標上表現(xiàn)出更優(yōu)的干預效果，尤其在需要快速反應和抑制控制的任務中優(yōu)勢明顯。

SNAP-IV結果

兩組在“注意缺陷”維度均有顯著改善（p=0.042p=0.042），但組間無顯著差異。

“多動/沖動”維度未見顯著變化。

游戲內表現(xiàn)

目標試次（需反應）：NFb組在“打蛋任務”中準確率顯著高于n-NFb組（p<0.001p<0.001），反應時均縮短。

非目標試次（需抑制）：NFb組在“打蛋”和“水果”任務中抑制準確率顯著更高（p<0.05p<0.05），顯示神經(jīng)反饋對抑制控制的促進作用。

EEG分析（圖3）

NFb組注意力指數(shù)隨訓練天數(shù)顯著上升（R2=0.619R2=0.619，p<0.001p<0.001），表明神經(jīng)反饋訓練增強了注意力水平。

n-NFb組無明顯變化（R2=0.082R2=0.082，p=0.22p=0.22），兩組相關性差異顯著（Z=2.983Z=2.983，p=0.001p=0.001）。

圖3：兩組注意力指數(shù)隨訓練天數(shù)的線性回歸對比

圖3展示了神經(jīng)反饋組（NFb）與無神經(jīng)反饋組（n-NFb）在20天訓練期間注意力指數(shù)的變化趨勢：NFb組（左圖）的注意力指數(shù)隨訓練天數(shù)增加呈顯著上升趨勢（R2=0.619，p<0.001），表明神經(jīng)反饋訓練有效提升了兒童的實時注意力水平；而n-NFb組（右圖）的注意力指數(shù)變化平緩，無統(tǒng)計學意義（R2=0.082，p=0.22）。圖中散點代表每日組內平均注意力指數(shù)（相對于基線的標準化值），誤差棒表示標準誤（SEM），實線為線性回歸趨勢線，虛線為95%置信區(qū)間。兩組相關性經(jīng)Fisher‘s z檢驗差異顯著（Z=2.983，p=0.001），為神經(jīng)反饋的有效性提供了直接的神經(jīng)生理學證據(jù)。

HUIYING

總結

本研究首次證實，將單通道EEG神經(jīng)反饋整合進視頻游戲數(shù)字療法，能顯著提升ADHD兒童的注意力表現(xiàn)，尤其在需要快速反應和抑制控制的任務中效果突出。主要結論如下：

神經(jīng)反饋增強效應：相比單純行為適應，實時腦電反饋帶來了更顯著的客觀注意力改善（TOVA）和腦電指標提升（注意力指數(shù)）。

個體化頻帶設計：基于iAPF的個體β波定義，考慮了兒童腦電的異質性，提高了神經(jīng)反饋的精準性。

便攜性與可行性：單通道EEG設備成本低、易操作，適合家庭場景，為ADHD的非藥物干預提供了可擴展的新方案。

盡管存在樣本局限（男性為主、未用藥兒童）、干預期短等不足，本研究為神經(jīng)自適應數(shù)字療法在兒童精神健康領域的應用奠定了重要基礎。未來可結合多通道EEG、機器學習算法，實現(xiàn)更精細的閉環(huán)調控，并探索長期療效及日常功能遷移。